Học tập kết hợp Pavlovian là một hình thức học tập cơ bản giúp định hình hành vi của con người và động vật. Tuy nhiên, việc đào tạo sử dụng phương pháp lan truyền ngược trên các ANN “thông thường”, đặc biệt là trong các mạng nơ-ron sâu hiện đại, tốn nhiều năng lượng và tính toán.
Nghiên cứu mới dựa trên phương pháp học Pavlovian với xử lý song song quang học cho thấy tiềm năng thú vị cho các tác vụ AI khác nhau.
Các nhà khoa học từ Đại học OxfordVụ Vật liệu, Đại học Exetervà Munster đã phát triển một bộ xử lý quang học trên chip có thể phát hiện các điểm tương đồng trong bộ dữ liệu nhanh hơn tới 1,000 lần so với các thuật toán học máy thông thường chạy trên bộ xử lý điện tử.
Phần tử học tập đơn nguyên liên kết (AMLE) sử dụng tài liệu bộ nhớ học các mẫu để liên kết với nhau các tính năng tương tự trong bộ dữ liệu, mô phỏng phản xạ có điều kiện được Pavlov quan sát trong trường hợp “đối sánh” chứ không phải là sự lan truyền ngược được các mạng thần kinh ưa thích để “tốt- điều chỉnh ”kết quả.
Để giám sát quá trình học tập, các đầu vào AMLE được ghép nối với các đầu ra thích hợp và tài liệu bộ nhớ có thể được đặt lại bằng tín hiệu ánh sáng. Sau khi huấn luyện chỉ với năm cặp hình ảnh, AMLE đã được thử nghiệm và phát hiện ra khả năng phân biệt giữa hình ảnh mèo và hình ảnh không phải mèo.
Khả năng hiệu suất đáng kể của chip quang học mới so với chip điện tử thông thường là do hai điểm khác biệt chính trong thiết kế:
- Một kiến trúc mạng độc đáo kết hợp học liên kết như một khối xây dựng thay vì sử dụng các nơ-ron và mạng lưới thần kinh.
- Để tăng tốc độ tính toán, hãy sử dụng 'ghép kênh phân chia theo bước sóng' để gửi nhiều tín hiệu quang trên các bước sóng khác nhau trên một kênh duy nhất.
Công nghệ chip sử dụng ánh sáng để truyền và nhận dữ liệu nhằm tối đa hóa mật độ thông tin. Nhiều tín hiệu ở các bước sóng khác nhau được cung cấp đồng thời để xử lý song song, tăng tốc thời gian phát hiện nhiệm vụ nhận dạng. Tốc độ tính toán tăng lên theo từng bước sóng.
Giáo sư Wolfram Pernice, đồng tác giả từ Đại học Münster, giải thích: “Thiết bị ghi lại những điểm tương đồng trong bộ dữ liệu một cách tự nhiên trong khi làm như vậy song song bằng cách sử dụng ánh sáng để tăng tốc độ tính toán tổng thể - có thể vượt xa khả năng của các chip điện tử thông thường.”
Đồng tác giả đầu tiên, Giáo sư Zengguang Cheng, hiện đang làm việc tại Đại học Fudan, cho biết, “Nó hiệu quả hơn đối với các vấn đề không cần phân tích đáng kể về các tính năng phức tạp cao trong bộ dữ liệu. Nhiều nhiệm vụ học tập dựa trên khối lượng và không có mức độ phức tạp - trong những trường hợp này, học tập kết hợp có thể hoàn thành các nhiệm vụ nhanh hơn và với chi phí tính toán thấp hơn. "
Giáo sư Harish Bhaskaran, người dẫn đầu cuộc nghiên cứu, nói, “Rõ ràng là AI sẽ là trung tâm của nhiều đổi mới mà chúng ta sẽ chứng kiến trong giai đoạn sắp tới của lịch sử loài người. Công việc này mở đường hướng tới việc hiện thực hóa các bộ xử lý quang học nhanh chóng nắm bắt các liên kết dữ liệu cho các loại AI tính toán, mặc dù vẫn còn nhiều thách thức thú vị ở phía trước. ”
Tạp chí tham khảo:
- James YS Tan, Zengguang Cheng, et al. Monadic Pavlovian học tập liên kết trong một mạng quang tử không nhân giống ngược. quang học 9, 792-802 (2022). DOI: 10.1364 / OPTICA.455864
